本书对运维数据治理的概念、知识体系和底层逻辑进行了深入剖析，构建了面向运维数据特点的数据治理方法和框架。本书分为概念篇、方法篇、实施篇和案例篇，从指标体系构建、运维数据资产化、元数据管理、数据安全、数据质量、数据标准化等角度，系统阐述了开展运维数据治理的方法，以及运维数据治理平台应具备的关键能力，并介绍了构建运维数据平台相关的采集、存储、处理、计算、管理、服务、监控、消费等各方面的技术实现手段和方法。本书适合政府和企业的信息化负责人、CIO、运维主管、软件研发负责人等阅读。

陆兴海，云智慧（北京）科技有限公司副总裁，目前负责咨询业务。西北工业大学航空宇航制造工程硕士毕业，具备十多年互联网、信息化以及运维相关领域的产品规划、设计与研发经验，是国内IT相关服务领域最早的实践者和专家之一，同时也是智能运维国标编写组核心成员。曾作为云智慧产品负责人，主导与推动十几款运维相关核心产品的落地实现与营销推广相关工作，帮助赢得多个行业核心客户的认可。

推荐序一
推荐序二
推荐序三
推荐序四
自序
前言
概念篇
第1章 运维数字世界
1.1 元宇宙与数字世界
1.2 全球范围内的数字化时代已至
1.3 数字化世界面临的崩塌风险
1.4 IT与运维的价值传递和创造
1.5 数字化时代的运维挑战
1.6 从人力运维（HIOps）到智能运维（AIOps）
第2章 运维数据治理是数字化运维的新课题
2.1 数据、算法、场景：工程化的“三驾马车”
2.2 当前广泛认知的企业数据治理
2.2.1 国家标准：GB/T 36073-2018
2.2.2 国家标准：GB/T 34960-2018
2.2.3 国际标准：ISO/IEC 38505-1
2.2.4 DAMA-DMBOK2数据管理知识体系指南
2.2.5 DGI数据治理模型
2.3 运维数据治理面临的新挑战
2.3.1 业务数据及其治理的应用场景
2.3.2 对狭义运维数据的抽象认识
2.3.3 运维数据治理的特色之一：配置管理CMDB
2.3.4 运维数据治理的特色之二：运维指标体系管理
2.3.5 运维数据治理的特色之三：调用链路及其应用场景
2.3.6 运维数据治理呼唤新思考和新方法
2.4 运维数据治理模型
方法篇
第3章 数据升华之路：从运维数据到资产
3.1 认识运维数据原材料
3.1.1 运维数据全景
3.1.2 运维数据类型聚焦数据应用
3.1.3 运维数据形式聚焦平台化建设
3.1.4 运维数据载体抽象数据处理技术
3.2 运维数据资产化之路
……
第4章 运维数字地图：元数据
第5章 主数据之魂：运维指标体系
第6章 标准化先行：运维数据标准前移
第7章 运维数据安全管理
第8章 运维数据质量治理
实施篇
第9章 策划阶段
第10章 建设阶段
第11章 运营阶段
案例篇
第12章 某股份制银行运维指标体系管理实践
第13章 某省级运营商新一代配置管理建设
第14章 某大型移动支付企业数据平台建设实践
致谢

上古时期：结绳记事
山西朔州峙峪遗址，距
今二万八千年前，就已经有
了结绳记事的记载。《周易
注》提及：“结绳为约，事
大，大结其绳，事小，小结
其绳。”就是说根据事件的
大小、类型和数量来结系不
同的绳结，这说明在古代，
人们就可以用“结绳记事”的
形式对事物进行有效记录。
如今：元宇宙
美国东部时间2021年10
月28日，在名为Facebook
Connect的年度大会上，社
交领域的巨头Facebook宣
布改名为Meta，全力进军
元宇宙领域。首席执行官马
克·扎克伯格解释说，这家
科技巨头将从一家社交媒体
公司转变为“一家元宇宙公
司”，在一个“实体互联网”
中运作，比以往任何时候都
更加融合现实和虚拟世界。
穿越三万年，将以上两
个事件联系在一起的要素只
有两个字：数据。
在21世纪，数据比历史
任何时期都更加迅猛而深刻
地改变着我们所认知的世界
的一切：工作、学习、娱乐
、健身、购物，甚至死亡和
战争。我们比任何时候都更
依赖数据，就像依赖空气和
水。
就像大气治理和水治理
一样，数据也需要治理。治
理的本质是让事物从混沌走
向清晰，不断克服“熵增”给
人们带来的不确定性和恐惧
心理。放到企业数据治理这
个课题中，企业数据治理这
个已经存在将近20年的领域
，就是不断通过各种创新的
模型方法和体系标准，制定
和实施针对整个企业内数据
的商业应用和技术管理的体
系，包括组织、制度、流程
和工具，它是企业实现数字
战略的基础，也是数据价值
实现的基本保障手段。
2016年是智能运维
（AIOps）的元年，自全球
著名的IT咨询机构Gartner
在2016年正式提出AIOps以
来，国内外各个企业与厂商
都在积极探索与尝试利用大
数据、机器学习等技术来改
进和增强传统的IT运维能力
（如在监控、自动化和服务
管理等方向）。关于智能运
维，业界有很多的定义、理
解和解释，但笔者在2019
年年底参加的Gartner全球
I&O大会上，分析师Charley
Rich一语道破了其本质：“
智能运维的另外一个名字就
是数据分析。”（My name
is AIOps, but you can call
me Data Analytics）所以，
拨开迷雾，除了各种各样的
数据应用场景、各种高深复
杂的算法和各种各样酷炫的
可视化，最基础的部分就是
数据——运维数据是构建和
落地智能运维的基石。
运维数据作为一类特殊
的企业数据，自然也需要治
理。
不幸的是，经过数年来
的实践与摸爬滚打，人们发
现，简单用面向“企业业务
数据治理”的方法来解决“面
向智能运维的运维数据治理
”任务时，出现了很多的挑
战和困难，这种挑战来自业
务数据和运维数据的固有属
性、数据模型以及上层数据
消费场景的差异性，所以需
要思考，用什么样的模型和
方案能够更好地解决面向运
维的数据治理问题。
需要靠心思和实战，还
有时间来解决。
笔者供职的云智慧公司
，在构建智能运维解决方案
、产品技术平台以及多个项
目的实施实践中，获得了一
些有益的思考和感悟；在与
华盛以及智能运维国家标准
编写组的各位专家探讨“智
能运维通用标准”以及“运维
数据治理与管理标准体系建
设”两个课题的时候，也得
到了很多业界专家的很好的
启发。所以，我和华盛一起
商量着编写一本关于运维领
域数据治理的专著，我们希
望能够通过理念导入，让大
家认知运维数据和运维数据
治理这个领域的独特性及其
与传统的数据治理之间的关
系和差异。运维数据治理并
不是全新的课题，它必须能
够继承企业数据治理模型或
者标准（如DAMA、DGI数
据治理模型、GB/T 36073-
2018等），以及好的顶层
架构设计，在此基础上做战
略对齐和执行规划。我们希
望通过提出的理念和方法论
以及实施层面的模型，能够
对广大的IT技术人员和运维
及运维研发人员有一个方法
层面的帮助；基于这个参考
对本企业的运维数据治理做
规划设计的时候，能够充分
考虑到运维场景以及运维数
据的特殊性，并能将这些思
考点融入每个阶段的实施过
程中。当然，我们也给出了
以往在一些项目中积累的实
践案例，他山之石，可以攻
玉，真心希望能对各位读者
有所启发。
诚然，本书提出的各种
观点和方法未必成熟，仅仅
是我们对“运维数据治理”这
一课题的浅薄理解和认知。
我们也希望这个课题得到更
多专家的关心与关注，就像
软件产品一样，得到大家的
帮助之后不断“敏捷迭代”式
优化。所以，很期待对本书
进行再版。
陆兴海
2022年1月1日